⚛️ quantum physics

Variational Thermal State Preparation on Digital Quantum Processors Assisted by Matrix Product States

Dit artikel introduceert een hybride variatiek framework dat matrixproducttoestanden combineert met een hardware-efficiënte ansatz om thermische kwantumtoestanden efficiënt voor te bereiden en te valideren, wat succesvol is aangetoond via uitgebreide numerieke simulaties en experimenten op een 156-qubit IBM-processor met gebruik van foutmitigatie.

Oorspronkelijke auteurs: Rui-Hao Li, Semeon Valgushev, Khadijeh Najafi

Gepubliceerd 2026-04-17

📖 5 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Rui-Hao Li, Semeon Valgushev, Khadijeh Najafi

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je een enorme, complexe machine hebt die uit duizenden onderdelen bestaat. Je wilt weten hoe deze machine zich gedraagt op een warme zomerdag of in een koude winter. In de quantumwereld noemen we deze "warme" of "koude" toestanden thermische toestanden (of Gibbs-toestanden). Het simuleren van deze toestanden op een computer is extreem moeilijk, omdat de wiskunde erachter net zo complex is als het proberen te voorspellen van het weer op elke plek op aarde tegelijk.

Deze paper beschrijft een slimme nieuwe manier om dit probleem op te lossen met behulp van quantumcomputers, maar dan met een speciale "hulp" van klassieke computers.

Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen:

1. Het Probleem: De "Onzichtbare" Hitte

Normaal gesproken is het heel moeilijk om te berekenen hoe een quantum-systeem zich gedraagt bij een bepaalde temperatuur. Het is alsof je probeert de exacte positie van elke druppel regen in een storm te voorspellen.

De uitdaging: Om dit te doen, moet je een waarde berekenen die "entropie" heet (een maat voor wanorde). Op een quantumcomputer is het meten van deze wanorde als proberen het gewicht van een wolk te meten zonder dat je de wolk mag aanraken; het kost te veel tijd en energie.

2. De Oplossing: Een Twee-in-Één Team

De auteurs van dit artikel hebben een hybride team bedacht:

De Quantumcomputer: Deze doet het zware, snelle werk van het "spelen" met de deeltjes.
De Klassieke Computer (met een trucje): Deze helpt met een slimme wiskundige techniek genaamd Matrix Product States (MPS).

De Analogie:
Stel je voor dat je een enorme, ingewikkelde puzzel probeert op te lossen.

De quantumcomputer is de persoon die de stukjes fysiek in elkaar probeert te passen.
De MPS-techniek is als een slimme assistent die de puzzel op een stuk papier tekent. Omdat de assistent slim is, kan hij de puzzel in een vereenvoudigde vorm tekenen (een "samenvatting") die hij heel snel op papier kan controleren.
In plaats van de quantumcomputer te laten tellen hoeveel wanorde er is (wat lang duurt), laat je de assistent (de klassieke computer) de "samenvatting" van de quantum-puzzel bekijken en de wanorde berekenen. Dit gaat veel sneller en nauwkeuriger.

3. Twee Manieren om te Bouwen: De "Architecten"

Om de quantumcomputer te laten werken, moet je een "circuit" (een soort bouwplan) ontwerpen. De paper vergelijkt twee verschillende bouwplannen:

De "TFDA" (De Strakke Architect):
- Hoe het werkt: Deze bouwt een heel symmetrisch, strak plan op.
- Sterke punt: Werkt goed als het heet is (hoge temperatuur).
- Zwakke punt: Als het koud wordt, moet het plan steeds ingewikkelder worden, wat te veel tijd kost voor huidige quantumcomputers. Het is alsof je een heel strakke, stijve jurk draagt; die zit lekker in de zomer, maar is oncomfortabel in de winter.
De "HEA" (De Flexibele Bouwer):
- Hoe het werkt: Dit is een meer flexibel, "hardware-efficiënt" plan. Het past zich aan aan de beperkingen van de machine.
- Sterke punt: Werkt uitstekend als het koud is (lage temperatuur).
- Waarom ze dit kiezen: In de natuurkunde is het vaak interessanter om te kijken hoe dingen zich gedragen als het koud is (bijvoorbeeld supergeleiding). De auteurs ontdekten dat deze flexibele bouwplaat (HEA) de beste resultaten gaf voor koude toestanden, zelfs op de huidige, wat "ruisige" (onvolmaakte) quantumcomputers.

4. De Test: Van Theorie naar Praktijk

De auteurs hebben hun methode getest op twee manieren:

In de computer: Ze simuleerden systemen met tot wel 30 of 36 deeltjes. Dit is als het simuleren van een heel dorp in plaats van slechts een paar huizen. Het resultaat? Ze konden de temperatuur en het gedrag van het systeem heel nauwkeurig voorspellen.
Op de echte machine: Ze gebruikten een echte quantumcomputer van IBM (de "IBM Heron" met 156 qubits).
- Het probleem: Echte quantumcomputers maken fouten door ruis (net als een radio met statische geluiden).
- De oplossing: Ze gebruikten een techniek genaamd Zero-Noise Extrapolation.
- De Analogie: Stel je voor dat je een foto maakt in de mist. De foto is wazig. In plaats van te wachten tot de mist weggaat, maak je drie foto's: één met een heel dunne mist, één met een dikkere mist, en één met nog dikkere mist. Door deze drie foto's te vergelijken, kun je wiskundig "terugrekenen" hoe de foto eruit zou hebben gezien zonder enige mist.
- Resultaat: Door deze truc toe te passen, verbeterden ze hun resultaten met meer dan 50%. Ze konden de energie en het gedrag van het systeem veel nauwkeuriger meten dan zonder deze truc.

Conclusie: Waarom is dit belangrijk?

Dit onderzoek laat zien dat we niet hoeven te wachten tot we "perfecte" quantumcomputers hebben om nuttige dingen te doen. Door slimme samenwerking tussen klassieke computers (die de wiskunde samenvatten) en quantumcomputers (die de deeltjes simuleren), kunnen we nu al complexe systemen bestuderen.

Het is alsof we een nieuwe bril hebben ontworpen die ons in staat stelt om de "temperatuur" van de quantumwereld te zien, zelfs als de wereld om ons heen nog een beetje wazig is. Dit opent de deur naar het ontwerpen van nieuwe materialen, het begrijpen van supergeleiders en het verbeteren van kunstmatige intelligentie.

Probleemstelling

De voorbereiding van kwantumb Gibbs-toestanden (thermische toestanden) bij eindige temperaturen is een hoeksteen van kwantumberekening, essentieel voor toepassingen zoals de simulatie van veeldeeltjessystemen, kwantum-machineleren (via kwantum Boltzmann-machines) en optimalisatie. Het voorbereiden van deze toestanden is echter computatief zwaar; het vinden van de grondtoestand van generieke kwantumveeldeeltjessystemen is QMA-hard, en lage-temperatuur Gibbs-toestanden zijn vaak even uitdagend.

Bestaande methoden voor thermische toestandvoorbereiding, zoals fault-tolerant algoritmes (gebaseerd op kwantumfase-schatting of imaginary time evolution), vereisen diepe circuits en uitgebreide kwantumresources, waardoor ze onpraktisch zijn voor huidige Noisy Intermediate-Scale Quantum (NISQ) apparaten. Variational Quantum Algorithms (VQA's) bieden een alternatief, maar ze stuiten op een fundamentele beperking: het schatten van de Helmholtz vrije energie vereist de berekening van de von Neumann-entropie. Deze berekening is klassiek inefficiënt en op kwantumhardware zeer kostbaar, omdat het doorgaans volledige toestands-tomografie of stochastische reconstructie vereist.

Methodologie

De auteurs introduceren een hybride variational framework dat Matrix Product States (MPS) combineert met kwantumcircuits om de vrije energie efficiënt te evalueren zonder directe entropie-metingen op de hardware.

MPS-ondersteunde Variational Algoritme:
- In plaats van de entropie op de kwantumchip te meten, wordt de gepurificeerde Gibbs-toestand (een zuivere toestand $|\psi\rangle$ op een uitgebreide Hilbertruimte met fysieke en ancilla-qubits) klassiek gesimuleerd als een MPS.
- De vrije energie $F(\rho) = E(\rho) - \beta^{-1}S(\rho)$ $F (ρ) = E (ρ) - β^{- 1} S (ρ)$ wordt berekend door:
  - De energie $E(\rho)$ te schatten via contractie van de Hamiltoniaan (als MPO) met de gemengde toestand $\rho$ (verkregen door de ancilla's te traceren).
  - De entropie $S(\rho)$ te berekenen via de Schmidt-coëfficiënten van de zuivere MPS $|\psi\rangle$ over de fysiek-ancilla bipartitie.
- Dit elimineert de noodzaak voor dure kwantumtomografie en maakt schaalbaarheid mogelijk.
Ansatz Selectie (TFDA vs. HEA):
- De auteurs vergelijken twee ansatzes:
  - Thermofield Double Ansatz (TFDA): Gebaseerd op de structuur van de Hamiltoniaan, maar vereist evenveel ancilla-qubits als fysieke qubits en diepe circuits voor lage temperaturen.
  - Hardware-Efficient Ansatz (HEA): Een generieke, lokale structuur die compatibel is met de connectiviteit van huidige hardware.
- Conclusie: De HEA presteert aanzienlijk beter bij lage temperaturen (hoge $\beta$ ) en is flexibeler in het aantal ancilla-qubits. Daarom wordt de HEA gekozen voor de grootschalige simulaties.
Validatie en Hardware-experimenten:
- Simulaties: Uitgebreide numerieke simulaties voor 1D en 2D Transverse-Field Ising Modellen (TFIM) tot 30 spins (1D) en $6 \times 6$ roosters (2D).
- Hardware: Implementatie op een IBM Heron processor (156 qubits, model ibm_kingston) voor een 30-spin 1D TFIM.
- Error Mitigation: Toepassing van Zero-Noise Extrapolation (ZNE) via lokale gate-folding om de effecten van ruis te verminderen.

Belangrijkste Resultaten

Schaalbaarheid: Het framework slaagt erin hoogwaardige Gibbs-toestanden te prepareren voor systemen tot 30 sites in 1D en $6 \times 6$ in 2D, gebruikmakend van tot 44 qubits in de simulatie.
Vergelijking Ansatzes: De HEA overtreft de TFDA bij lage temperaturen, terwijl de TFDA beter presteert bij hoge temperaturen. De HEA is echter de voorkeurskeuze voor NISQ-apparaten vanwege de geringere circuitdiepte en flexibiliteit.
Observabelen:
- Energiedichtheid: Zeer nauwkeurige resultaten, vooral bij lage temperaturen.
- Magnetische Susceptibiliteit: Redelijk nauwkeurig, maar minder goed dan de energie bij intermediaire temperaturen ( $\beta \approx 1$ ) vanwege de lange-afstandskorrelaties die moeilijk te vangen zijn met beperkte diepte.
- Specifieke Warmte: Minder nauwkeurig dan de andere observabelen, voornamelijk omdat deze afhankelijk is van de variantie van de energie (een 4-lokale operator), wat gevoeliger is voor fouten en een hogere precisie vereist.
Hardware Resultaten (IBM Heron):
- Zonder error mitigation hadden de resultaten een relatieve fout van ~11,4% voor energie en ~38,9% voor susceptibiliteit.
- Met Zero-Noise Extrapolation (ZNE) daalde de relatieve fout met meer dan 50% voor beide observabelen (tot ~5,6% voor energie en ~19,1% voor susceptibiliteit).
- De resultaten tonen aan dat het mogelijk is om thermische toestanden op huidige hardware te benaderen, mits adequate error mitigation wordt toegepast.

Significantie en Conclusie

Dit werk biedt een schaalbare route om kwantumthermische toestanden te emuleren op near-term hardware door de kracht van tensor-netwerken (MPS) te koppelen aan variational quantum algorithms.

Technische Doorbraak: Het overwinnen van de "entropie-bottleneck" door klassieke MPS-simulatie voor de kostenfunctie-evaluatie, terwijl de fysieke toestand op de kwantumchip wordt voorbereid.
Praktische Toepasbaarheid: Het demonstreert dat hybride klassiek-kwantum benaderingen effectief kunnen zijn voor het bestuderen van eindige-temperatuur kwantumsystemen, zelfs op ruisgevoelige hardware.
Toekomstperspectief: Hoewel de prestaties bij intermediaire temperaturen en voor complexe observabelen (zoals specifieke warmte) nog verbetering behoeven, biedt deze methode een veelbelovende basis voor toekomstig onderzoek naar thermische fasen en materialen op kwantumcomputers. De auteurs suggereren verder onderzoek naar probleem-informeerde ansatzes en geavanceerde error-mitigatie technieken om de beperkingen van de huidige hardware te overwinnen.